高军强;刘桂华
【摘 要】为实现钢轨表面缺陷的实时全方位检测,提出基于多摄像机线结构光的三维检测方法.首先,通过标定线结构光和摄像机平面之间的位置参数,获取该摄像机视角下的钢轨表面线结构光的三维形状变化.其次,标定多个摄像机之间旋转平移参数,将多个视角下的三维点云进行拼接形成完整钢轨三维模型.同时,设计了钢轨三维检测的硬件装置,通过硬件编码器获取传送带运动的距离,形成钢轨在长度方向上的全貌三维形状.针对存在缺陷的钢轨样品进行了三维轮廓测量,实验结果表明,该方法的在钢轨深度方向上的精度能达较高精度,符合钢轨表面缺陷检测的要求.%In order to realize the real-time detection of rail surface defects,a 3D detection method based on multiple camera line structured light is proposed in this paper.Firstly,the three-dimensional shape change of the rail surface line structure light is obtained by calibrating the position parameters between the structured light and the plane of the camera Secondly,the rotation and translation parameters of multiple cameras are calibrated,and the 3D shape of the line structured light is formed into a complete rail model
At the same time,the hardware device of rail 3D detection was designed to obtain the distance of the conveyor belt movement through hardware encoder,and form the three-dimensional shape of the rail in the length direction.For 3D profile measurement of defective rail samples,experimental results show that the accuracy of the method in the depth direction of the rail can meets the requirements of the rail surface defect detection.
【期刊名称】《机械设计与制造》
【年(卷),期】2017(000)003
【总页数】4页(P170-172,176)
【关键词】钢轨表面缺陷;多摄像机;线结构光;相机标定;三维重建
【作 者】高军强;刘桂华
【作者单位】西南科技大学信息工程学院,四川绵阳621010;西南科技大学信息工程学院,四川绵阳621010
悬浮触控
【正文语种】中 文
【中图分类】TH16;TP391
最近几年来，我国铁路交通发展迅速。特别是高铁的发展对钢轨的需求大量增加，与此同时，对钢轨的质量也提出更加严格的要求。而表面缺陷则是衡量钢轨表面质量的一个重要技术指标，并且也是影响列车安全行驶的重要因素。这几年，对钢轨表面缺陷的研究日益增多。基于机器视觉的检测方法以其非接触、高精度、速度快等特点在钢轨表面缺陷检测中被大量研究[1]。在钢轨二维图像缺陷检测方面，2008年文献[2]使用多个线阵摄像机采集钢轨表面的图像，使用图像处理技术提取缺陷的特征，然后利用神经网络识别缺陷的种类。在钢轨三维检测方面，2009年文献[3]提出了使用线结构光的三维视觉检测方法。该方法使用摄像机获取线结构光条纹，并提取激光中心线，通过激光中心线和基准线的偏差来计算表现缺陷的深度信息。这种方法计算出来的三维数据是相对数据，且需要考虑测量时的震动等影响，并且没有将钢轨表面四周三维模型有效的拼接获得完整钢轨三维面形。基于涡流探伤[4]也可以用于钢轨表面缺陷检测。但是，由于氧化铁皮的影响产生大量的误报率，无法满足钢轨在线生产的需求。 智慧社区管理系统
提出了多摄像机的线结构光三维缺陷检测方法。首先标定每个摄像机和线激光器[5]，重建出该摄像机下的线激光上的三维信息。然后通过多目摄像机标定原理，标定多个摄像机的位置关系，将多个摄像机重建出来的三维信息有机的拼接起来，形成完整的三维钢轨模型。最后通过传送带上的硬件编码器触发摄像机，以此达到连续重建钢轨的表面的要求。这样在测量钢轨表面缺陷的同时，也可以计算出缺陷的面积信息。
硬件设计方面，如图1所示。为全方位检测钢轨表面缺陷，本设计在钢轨四周架设6台摄像机和线激光器，且每台摄像机和激光器在垂直于钢轨截面方向上成30°左右的夹角设计，如图1所示。整个硬件系统包括传送带运动控制模块、钢轨图像采集模块和软件算法处理模块。钢轨放在运动控制模块的传送带上，仿真生产线上的单向运动。通过编码器获取传送带上钢轨运动的距离，触发图像采集模块中相机进行拍照，拍摄垂直投射在钢轨上的激光线，并将图像数据传输到计算机进行三维视觉处理。三维视觉处理获得钢轨三维轮廓，并将实测钢轨轮廓与标准钢轨轮廓进行配准后对比获得深度偏差，根据偏差阈值可以快速判别钢轨存在缺陷及位置。
通过单目摄像机和激光线平面的标定，计算出摄像机的内部参数和线激光平面方程。利用
摄像机的投影模型和线激光平面的约束，将图像上激光中心线提取的像素坐标转换为全局坐标系下的三维坐标。另外，通过编码器获取传送带上钢轨运动的距离，实时的将重建出来的激光线上的三维模型拼接起来，形成完整的钢轨表面三维轮廓。为了检测完整的钢轨表面缺陷，需要在钢轨周围架设6台摄像机和6个线结构光激光器。标定这6台摄像机的位置关系，多个摄像机重建的三维轮廓统一到一个坐标系下，以此获取完整的钢轨表面三维轮廓。最后通过计算三维轮廓的深度面积等信息，检测出钢轨表面的缺陷。
3.1 线结构光中心线提取催化裂解
激光器将线结构光投射到物体上，被摄像机捕获，得到线结构光光条图像。此图像包含光条上的三维信息。线结构光中心线提取是摄像机标定和三维重建的基础环节，提取的中心线像素坐标的精度严重影响摄像机标定和三维重建的精度。现有常用的激光中心线提取方法有极值法、几何中心法、灰度重心法和曲线拟合法等。考虑到钢轨表面的氧化铁皮以及钢轨检测周围恶劣环境的影响，为了高精度提取线结构光中心线，采用粗提取和细提取两步提取线结构光中心线的位置。其中粗提取采用梯度阈值法，细提取使用灰度重心法。流程图，如图2所示。
激光线提取的粗略位置提取采用以下方法：激光条纹呈现出一个高亮区域，在激光图像上的每一列，激光条纹附近区域，图像的灰度值有明显的由小增大，再由大减小的过程，如图3（a）所示。根据这个特性，使用模板对激光条纹图像做卷积运算，如图3（b）所示。梯度值分布趋势，可以设置一个经验阈值T，针对卷积后的图像的每一列，从上到下出图像值大于T的位置P1（x1，y1）（其中：x1图像的列，y1为图像的行），如图3（c）所示。此列中，以P1为起点在长度为L的范围内，向下检测是否存在图像值小于-T的位置P2（x1，y1）。若存在，则认为P1到P2为激光条纹区域，激光中心线粗略位置为Pmin（x1，（y1+y2）/2）。蚀刻刀模
激光中心线细提取是以激光中心线粗略位置为中心，在［-w，w］图像像素窗口内使用灰度重心法提取激精确的光条纹中心位置。灰度重心法的计算公式如下：
式中：u—像素横坐标；f—对于坐标位置下的图像像素值。
图4给出了激光中心线提取的结果，如图4所示。
3.2 摄像机和激光平面标定
激光线上的一点P，通过透视变换在摄像机成像平面得到p，如图5所示。摄像机的投影原理的数学模型如下式：
式中：s—任意的非零尺度因子；H—摄像机的透视矩阵；A—摄像机内参数矩阵。
式中：fx，fy—摄像机在x、y的焦距；u0，v0—摄像机的主点坐标；R、T—摄像机坐标系相对世界坐标系的旋转平移矩阵；p、P—图像上的二维像素坐标和世界坐标系下的三维点的坐标。设激光平面F在世界坐标系下的方程为：
式中：a，b，c，d—空间中平面方程的系数。
一般的，将摄像机坐标系Oc-xcyczc作为世界坐标系，则式（2）可简化为：
摇盘机对式（4）消去尺度因子s，并联合式（3）可得：
由式（5），只要知道摄像机的内部参数和激光平面在世界坐标系中的方程就可以根据图像上激光线的像素坐标重建出图像上激光点的三维坐标。下面是求解摄像机内部参数和激光平面的方法。
血竭提取物
单目摄像机标定采用张正友标定法[6]。在求解出摄像机内部参数的基础上，使用交比不变性的原理标定激光平面[7]。根据交比不变性原理，如图6所示。标定平面上的四个共线点A，B，Qi1，C的交比与成像平面上的投影点a，b，qi1，c的交比保持不变。由于很容易的获取A，B，C三点的局部坐标，并且通过提取棋盘格的角点和激光中心点等操作可以获得a，b，c，qi1四点的像素坐标。因此式（6）可以计算出Qi1点的局部坐标。同理可以获取Qi1，Qi2，Qi3，Qi4的局部坐标。这里，世界坐标系建立在摄像机坐标系处，使用单目摄像机标定计算出来的局部坐标系到摄像机坐标系的旋转平移矩阵（R，T），将局部坐标系下的Q点转移到世界坐标系下。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议